当前位置:主页 > 综合阅读 > 正文

在线学习系统数据可视化评价标准研究

2018-11-13 20:26:43 综合阅读 作者:杨兵 卢国庆 曹树
---

【摘 要】

数据可视化是在线学习系统的一个重要因素。在线学习系统强调数据挖掘、分析、表述和修饰,应用数据可视化手段促进信息传播和创新受到越来越多的关注。以英语在线学习平台为例,基于数据理解力、视觉点缀、设计与美学、视觉隐喻和数据可记忆五个评价准则,选择学习资源和学习仪表盘两个视角,对在线学习系统数据可视化进行研究,提出了在线学习系统数据可视化评价标准与相关原则。最后,对在线学习系统的数据可视化评价标准和原则进行了总结归纳,并加以验证。

【关键词】 数据可视化;在线学习系统;学习分析;学习仪表盘;可视化原则

【中图分类号】 G434 【文献标识码】 A 【文章编号】 1009-458x(2017)12-0054-08

随着教育信息化的不断推进,在线学习系统(平台)已经成为学习者获得学习资源进行学习活动的重要平台之一。同时,这些系统或平台产生了大量的“面包屑”数据,而学习分析技术为实现以学习者为中心的在线学习系统提供了强大的技术依托。在线学习系统通过学习分析技术,对学习者学习、兴趣和习惯等行为印记进行采集、挖掘和分析,并将结果以可视化的方式呈现,自动生成学习仪表盘(Learning Dashboard, LD),它是一种通过图形、图像等视觉信息让学习者审查自身在线学习行为的学习支持工具,具有形象直观、精准聚焦的特点(张振虹, 等, 2014)。良好的在线学习系统必须具备个性化、适应性、吸引力和有效反馈等特征。个性化和适应性特征主要体现在系统能分析学习者学习行为和知识状态,匹配学习者的特点,按需推送合适的学习资源,实现因材施教(吴洪艳, 2015)。在线学习系统的数据可视化主要是依托学习分析技术,在实现个性化和适应性的基础上,通过可视化界面向学习者提供具有吸引力的学习资源及有效的反馈。

国内对于在线学习系统的研究多聚焦于在线学习行为分析(彭文辉, 等, 2006;胡艺龄, 等, 2014)、设计、开发与应用(吴洪艳, 2015)以及系统功能模块的实现(魏刃佳, 等, 2014)等方面。但是,对于在线学习系统数据可视化的相关研究较少。具体而言,在在线学习系统数据可视化过程中,如何将学习资源更加直观、高效地呈现?依据什么原则呈现在线学习系统的学习资源?依据什么标准对在线学习系统中用户行为数据进行可视化?本研究主要以SAT在线学习系统为案例,从学习资源和学习仪表盘两个视角,分析在线学习系统可视化的评价依据,并在此基础上提出了在线学习系统可视化的原则。在线学习系统成功的一个重要方面就是数据可视化,有效的信息展示能够帮助学习者容易获取学习资源,提高学习者使用系统的兴趣。另外,通过学习仪表盘,学习者可以自我评估,分析学习效果,及时发现学习不足,有的放矢地进行知识结构补充和更新。

一、数据可视化概念的界定

数据可视化(Data Visualization)的概念源自科学计算可视化,即科学家在分析计算机算出的数据时,不仅需要通过图形、图像,而且需要了解计算过程中的数据的变化(赵国庆, 等, 2005)。随着现代电子计算机的冲击,数据可视化的内涵已大大扩展,不仅包括科学计算可视化,而且包括信息可视化和知识可视化的部分内容,其研究对象涵盖空间数据(Spacial Data)、非空间数据以及部分人类的知识(洪文学, 等, 2010),涉及计算机科学、统计学、计算机辅助设计和心理学等多个学科。

一些学者认为,数据可视化技术是指运用计算机图形和图像处理技术,将数据转换为图形或图像在屏幕上显示出来,并进行交互处理的理论、方法和技术,可视化对象仅包含空间数据,其目的是将抽象的数据以直观的方式表示出来(Leitte et al., 2007)。郭颖等(2011)认为,数据可视化是关于数据之视觉表现形式的研究。数据可视化的研究范围十分广泛,主要包括思维导图、新闻的显示、数据的显示、连接的显示、网站的显示、文章与资源、工具与服务7个方面(Friedman, 2007),其应用主要涉及医学、气象学、工程学、数据挖掘和教育等领域。

数据可视化的主要目的是通过图形化方法清晰、有效地表达信息,但这并不代表要弱化功能模块,单纯追求极为漂亮的图形。为了有效地表达信息,需要同时注重系统的功能和图形的美感。系统设计者需要在图形和功能之间寻求平衡,不仅要追求漂亮图形的数据可视化,而且要实现有效的信息表达。随着信息技术在教育领域的深入应用,已经涌现了数量众多的优秀在线学习系统,数据可视化需要研究的课题就是如何能够利用信息技术更好地呈现学习资源,提供学习反馈。在数据可视化过程中,需要考虑到美學设计与功能的需要,体现直观化、关联化、艺术化和交互性等特性,系统需要为学习者直观呈现知识,及时了解学习者学习状况,学习者可以通过自我评估及时发现自己的学习问题(张金磊, 等, 2013)。在线学习系统的数据可视化的目的是通过各种图表等可视化元素,把巨大、混乱和难于理解的数据简单、有效地提供给学习者,学习者进而发现数据中隐藏的特征、关系和模式,能够比较容易地进行理解和学习。

国内普遍赞同将数据可视化分为理解型可视化和探索型可视化(李志刚, 等, 2012)。理解型可视化是以最直观、清晰的方式呈现信息,探索型可视化是探索数据集中存在的不确定性,以挖掘其潜藏的有价值信息。本研究中,数据可视化的对象主要包括在线学习系统中学习资源和学习者使用系统过程中产生的行为印记两个方面,前者属于理解型可视化,后者属于探索型可视化。

二、在线学习系统数据可视化

本研究选取SAT在线学习系统,对在线学习系统数据可视化的评价及设计原则进行论述。通过对SAT在线学习系统资源的显示以及学习仪表盘的呈现(分析对象是学习者在使用平台过程中产生的学习行为印记)进行分析与总结,以期为在线学习系统数据可视化设计提供借鉴和指导。

(一)SAT在线学习系统

SAT(Scholastic Assessment Tests,学术评估考试,或称“美国高考”)是由美国大学委员会(College Board)委托教育测试服务中心(Educational Testing Service, ETS) 定期举办的考试(任长松, 2007)。SAT在线学习系统自2014年底上线以来,注册用户15.49万。其中,认证用户2.7万。它为学习者和SAT培训机构提供SAT真题在线练习与模拟考试等资源和丰富的SAT考试资讯,为考生在线练习和测验提供了便利,成为SAT教学不可或缺的辅助工具。通过对学习者做题情况和停留时间等学习行为印记进行记录,深入挖掘学习者学习行为,生成学习仪表盘。

SAT在线学习系统是在知识库、行为库和系统数据库的基础上,通过搜索引擎、数据挖掘、采集等方法,为在线教和学的生态系统等提供服务,其整体架构如图1所示。它通过深入挖掘学习者学习行为,记录学习者学习时间、作业时间、每道题的用时等行为数据,结合学习资源数据库中每个学习者和每道习题的各种属性标注,分析学习者学习的行为,总结学习者的经验,找出差异,矫正不正确的学习方法和学习过程。设定了适应中国学习者的学习难度值,SAT官方标注的难度值是针对全球考生的难度标准,更偏向以英语为母语的学习者的认知状况,而对于中国学习者往往不适合。SAT在线学习平台线上测评各类考生的表现,以区分度模型为主要方法,计算出了一套针对中国学习者的难度标识体系,为制定适合中国学习者的SAT教学方案奠定了基础。

(二)在线学习系统数据可视化的视角

SAT在线学习系统不仅对学习资源数据可视化,而且记录学习者学习“足迹”,对这些学习行为印记进行分析,通过学习仪表盘呈现,并自动推送符合学习者能力等级的学习资源和学习计划。平台在资源库、学习者行为数据库和系统数据库的基础上,通过数据采集、资源挖掘等学习分析技术,经过各类系统组件,以数据可视化的方式在移动端和WEB端呈现内容,以及向外提供API接口。学习分析的本质是利用技术获取和分析数据,发现规律,进而提高学与教的成效(祝智庭, 等, 2013)。学习分析技术包括数据采集、数据分析、学生学习、反馈和干预五个要素(曹晓明, 等, 2014)。SAT在线学习系统可视化实现模型(见图1),将SAT题型难度分级与学习者能力模型结合起来,从语言能力、知识能力和逻辑能力三个方面进行学习行为分析。在线学习系统数据可视化模型的整体思路:首先,从语言、知识和逻辑三个能力维度出发,从SAT学习资源库中获得与用户能力相匹配的学习资源;其次,运用综合聚类算法,将三个维度的学习资源进行全面筛选;最后,把满足需求的资源呈现给学习者(陈敏, 等, 2011)。学习者能力覆盖模型(陈仕品, 等, 2010;刘宇, 等, 2006)、数据预处理和聚类算法是学习资源可视化最重要的组成部分(郑庆思, 等, 2013;翟东海, 等, 2014)。而学习仪表盘可视化与学习资源可视化过程相似,主要是对学习行为数据可视化的“绘制”和“显示”。

SAT在线学习系统,基于近十年上万道SAT习题的学习资源,这些资源包括阅读、数学和写作等类型,涵盖时态、从句、修辞和倒装等SAT考试全部知识点。如何将这些海量的SAT习题资源呈现给不同的用戶,依据什么方式呈现,是设计中主要解决的问题。学习者在使用在线学习系统过程中,产生了大量的“印记”,例如停留时间、将正确选项排除、做错的题目和题型等行为数据流。这些学习行为印记是能够反映学习者学习过程、具备内在关联和逻辑的数据集,利用信息技术捕获相应的学习行为印记可以更全面地评估学习(顾小清, 等,2016)。学习分析仪表盘是学习行为印记可视化处理结果的呈现,是学习者在线学习行为在视觉通道上的直观呈现,有利于培养学习者的自我反思能力(Kim et al.,2016),有助于学习者完善自身的SAT知识体系,促进学习者对知识点认知的深层次建构。那么,依据什么标准和方式对这些行为数据进行刻画以呈现其内在学习规律呢?

三、在线学习系统数据可视化的

评价标准及原则

(一)在线学习系统数据可视化的评价标准

基于数据可视化的视角,如何对海量的教育资源及学习过程中产生的学习行为印记进行分析和挖掘,以呈现给用户良好的可视化显示?如何让数据以更加直观、高效的方式呈现给用户? Nashriq等(2011)定义了五个主要准则来评价一个系统的优劣,其中一个最重要的准则就是数据可视化,最早通过数据报告形式和图形界面接口来描述数据可视化。Ramly等(2012)认为评价系统数据可视化(Dashboard,仪表盘系统)的五个准则分别为理解力、视觉点缀、设计与美学、视觉隐喻和数据可记忆性,并且从这五个方面比较了六种商业监控系统数据可视化的实现效果,为系统数据可视化提供了具体的标准。本研究基于这些标准,以SAT在线学习平台为例,从学习资源和学习仪表盘可视化两个视角,结合在线学习系统的可视化组成元素,对在线学习系统数据可视化设计进行分析和归纳(见表1)。

首先,理解力包含信息传递的准确性与信息反馈的个性化两个维度。在线学习系统需要将学习资源与学习行为反馈信息无歧义地传递给用户,这是在线学习系统理解力维度的基准。为此,在线学习系统中学习资源的呈现与图形、图表的显示应符合易理解、数据正确、信息组织清晰等要求。只有这样,用户才能在获取的信息基础上准确地做出自己的判断。在信息反馈维度,在线学习系统应当体现个性化的原则。系统通过对学习者行为数据的分析,向学习者呈现学习仪表盘。学习者通过学习仪表盘能够发现在线学习中的问题,实现对自己的学习过程进行调控,充分体现在线学习系统的学习自主性与个性化。

其次,视觉点缀的目的是将图形、图像等信息与真实的世界建立联系(Doug, et al., 2010)。在线学习系统将学习者感兴趣和重点关注的数据通过不同颜色、不同形式展现出来,使图形、图像与真实情境建立一定的联系。学习资源的呈现应当充分考虑学习者在实际情境中学习的过程。例如,在呈现选择题时,系统允许使用排除法做题,这符合学习者做题的实际情况;对于学习者在线参加模拟考试的情况,系统辅以“计时器”组件点缀,同步显示已用时间和剩余时间,这样更加贴近实际情况。针对学习分析仪表盘,系统可以将学习者学习的盲点、弱点、学习曲线或勤奋指数等数据向学习者呈现,其可视化界面不需要用过多文字描述,过多文字描述反而会导致冗余,使学习者抓不到学习反馈的重点,这样会影响学习者对信息的准确判断。

再次,在数据可视化过程中,还应当充分考虑设计与美学方面。国外研究表明,用户看到系统界面时总伴随着一定的情感反应(Few, 2004)。色彩不仅能够传达某种感觉,如冷暖、兴奋等,而且能使人类对色彩产生共感联想。日本《色彩认知论》的作者对色觉与其他感觉对应关系的调研结果,汇总了数据可视化中色彩的共感联想特性(见表2)。在线学习系统数据可视化应当恰当融入美学元素,如合理搭配色彩、符合视觉流向的版面设计等,这样能够引起学习者积极的情感反应。图表设计必须与学习者建立迅速、有效、易理解的数据信息交流,在此基础上将美学融入图表的数据展示,设计出的图表既能准确、快速地传达信息,又能引起学习者的关注。

再其次,视觉隐喻的形式包含统计表征和视觉对比两类(Meyer, 1997),前者运用统计分析方式用大量单一的数据点呈现出重要的数据趋势;后者则将相关数据进行比较以呈现出高低或差距。与统计表征相比,视觉对比更强调对比分析。当系统数据可视化过程中使用大量文字和数据无法准确传递含义时,可以选择适当的视觉隐喻形式。尤其对于仪表盘,大部分情况需要依据数据的趋势分析做出关键的决策。在仪表盘上,系统采用统计的方式将学习者的知识掌握情况以时间为单位展示出来,而学习者的知识掌握程度是通过测试或练习的行为数据分析获得的。

最后,在数据可记忆性方面,数据可视化要符合认知和记忆规律。学习分析仪表盘的基本功能就是促进学习者的自我反省和自我认知。对图形和颜色搭配的研究发现,图形具有帮助用户提高数据记忆性的功能,对于大量数据,学习者往往能够记住一个配有突出颜色和色调的图形(Smets, et al.,2010)。在系统数据可视化的过程中,合理使用图形和颜色搭配,有利于提高用户对重要数据的记忆力水平。

(二)在线学习系统数据可视化的原则

基于上述在线学习系统数据可视化评价标准,本研究从学习资源与学习仪表盘两个角度,对在线学习系统数据可视化的设计原则进行分析。

1. 符合学习者理解力,遵循个性化的原则

本研究中理解力是指学习者对学习资源中的知识点由浅到深的认识和认知的水平和能力。苏联教育家维果茨基于20世纪30年代提出“最近发展区”的概念,认为学生的现有水平与学生可能的发展水平之间的差异成为学生的最近发展区(Vygotsky, 1978)。SAT 题型按难度分为1-5 级,1级最简单,5 级难度最高。其难度级别的划分依据是学习者在抽样测试中的答题准确率。而SAT在线学习系统为新用户提供难度适中(难度等级为3)的题型。通过新用户的测试情况以及对学习行为印记的分析,平台为每个用户找到自身所在的潜在发展区。SAT在线学习系统运用最近发展区理论,呈现给学习者符合其能力范围的学习资源,为学习者设置“一步一个台阶”的SAT训练方法,逐步提升学习者SAT测试成绩。首先,该平台全面分析学习者的行为数据,找准学习者SAT测试能力的“最近发展区”;其次,依据分析结果个性化推送和呈现学习资源,将学习者引入“最近发展区”;最后,创设新的SAT学习资源“最近发展区”,促进学习者的SAT能力向更高层次发展。

2. 适当运用视觉点缀,贴近实际情境的原则

视觉点缀主要是适当地运用图形、图表及其变化建立与真实情境之间的联系(Smets et al.,2010)。这里强调“适当”,其原因是过多的图形或变化可能会“扭曲”重要的信息,导致信息与实际要传递的信息“相悖”。选择题是SAT学习资源的主要形式,那么,如何恰当运用视觉点缀对大量的选择题的题干和选项进行可视化是在线学习系统需要解决的重要问题之一。本平台研究者对大量SAT考生和资深SAT培训教师以访谈形式实施了调查。在访谈中,85%的访谈对象认为SAT考试中采取排除法做选择题是最有效的方式。因此,平台采取允许用户以排除的方式做测试,在习题的呈现方式上,当用户把选项排除后该选项的颜色变浅(见图2)。

采用这种方式呈现选择题型,符合用户做测试的真实情境,通过选择题列表的呈现和颜色变化,将学习资源的设计与真实的SAT测试情境建立联系。另外,用户在平台上测试的过程中,对选项进行逐一排除,其做題思路将被平台记录,这为分析用户的行为和评估学习者的能力水平提供数据基础和依据。平台中视觉点缀的运用情况如表3。

3. 符合用户审美,兼顾艺术与美学的原则

为了学习资源的有效传递,对学习资源的呈现进行设计,需要综合考虑美学因素。Steele等(2010)认为,优质的可视化效果需要包含四个要素,即形式新颖、内容充实、直观高效和符合审美。在SAT学习资源呈现的设计中,色彩构成和版面等不同形式的设计符合审美的标准,增强了学习资源呈现的艺术效果。

在色彩构成方面,SAT学习资源呈现的设计遵循主辅色调搭配原则。用户对色彩组合和搭配非常敏感,优秀的色彩搭配获得良好的美学和艺术效果。SAT在线学习系统以白色为主,辅以蓝白和灰白搭配。白色能够给用户以纯洁的感觉,代表圣洁和和平;蓝白搭配,可以产生清新、淡雅、柔顺的气氛;灰白搭配,能够体现出舒适、优雅的感觉。通过色彩构成的运用,使SAT资源呈现界面在视觉上达到赏心悦目的视觉感受,更深层次地激发学习者内在的心灵感知。

在版面设计方面,SAT学习资源呈现的设计符合用户视觉流向原则。版面设计是平面设计的有机构成,不仅要考虑各部分之间的比例、平衡、对比、节奏和乐律等(宋春晖, 2005),而且要强调构图对用户视觉流向的引导效果。视觉流向,即用户视觉在可视化界面上的视觉流动方向,通常是左上开始,右下结束。SAT平台运用“线”和“面”版面设计构图规则,符合视线移动的基本规律。线的构图规则主要运用在资源类型的划分、资源呈现界面的分割等,能够对用户引起规则、稳定和有序的视觉感受;面的构图规则主要运用在同一类型资源的呈现中,能够体现出多层次的视觉感受,使得整个学习资源的呈现具有浑然一体的视觉效果。

总之,在学习资源可视化设计方面,为了更加直观形象,使用户能够更加清晰地找到所需要的信息,SAT在线学习系统从色彩构成和版面设计两个方面考虑功能需要和艺术呈现形式。为此,针对学习资源可视化,SAT平台依据功能结构的不同,将其划分为每日一练、练习、模考、作业、复习和生词本等模块。

4. 选择恰当图表类型,增强视觉隐喻的原则

“隐喻”,是相对于明喻而言,是一种修辞语言现象。由于涉及两个不同领域之间的互相作用和相互映射,隐喻性话语具有形象、生动和说服力(陈燕燕, 2012)。而数据可视化中的视觉隐喻是指使用文字或数据的方式无法准确表达,而通过图表能够有效展示数据和文字背后传递的含义。在线学习系统对数据进行分析和挖掘,以平行坐标、折线图和柱状图等统计和对比的形式来呈现学习者在平台上的学习情况。系统结合每个学习者和每道习题的各种属性标注,分析学习者的学习行为,总结学习者的经验与不足,为每个用户建立纵向的成长记录,并绘制成长曲线,形成个性化的学习仪表盘。而学习仪表盘所用的图表类型不同,其特点亦不相同。在线学习系统在选择图表类型时,需要考虑图表传递的信息和图表类型的特点(见表4)。

以折线图为例,通过对学习者行为数据的挖掘,收集到大量同一类型的数据,并将这些数据点汇聚成重要数据的趋势走向,呈现给学习者。学习者可以对这些数据趋势的反馈进行分析,并做出决策。SAT在线学习系统通过分析学习者的测试情况,为学习者绘制了阅读、写作、数学、作文四部分的学习折线图。学习者通过仪表盘的学习曲线图,可以判断出阅读、写作、数學、作文与所用时间的关系以及变化趋势,进而合理调整学习时间(见图3)。

5. 搭配合适色彩,提高数据可记忆的原则

数据可记忆性主要研究数据的表现形式和呈现方式,以提高学习者对信息的记忆力和关注度。通过对图形色彩的研究,发现图形色彩也能帮助用户提高对数据的记忆性,学习者往往能够记住一个配有突出颜色和色调的图形(Ramly, et al., 2012)。Mather等(1997)研究发现,学习者能够记住一些具有吸引力的图形,而对简单普通的图形没有印象。那么,数据可视化如何选择色调呢?一般情况下,柔软、自然的大地色调是通用的,而要强调或突出一些数据的时候需要使用明亮或深暗的颜色。

针对测试者做错的题目,SAT在线学习系统会自动提示其正确的选项,并使用合适的颜色标识,以达到吸引用户注意,提升测试者对正确选项及其原因的记忆能力。SAT在线学习系统将学习者每次测试的各个部分期望成绩与预估成绩进行对比,1、2、3、4、5等级不同难度对比,10个部分整体过程对比,A、B、C、D、E五个选项答案分布对比,用柱状图,搭配蓝色、红色,形成学习仪表盘呈现给学习者,红蓝搭配,在色彩的共感联想特性方面以视听联想为例,红色让人联想到“热闹”,蓝色然人联想到“和谐”,形成鲜明的对比(见图4)。这种一目了然的色彩搭配能向学习者传递更直观的作业比对效果。

(三)SAT在线学习系统数据可视化的可用性调查

国际标准化组织( ISO 9241-11,1998年)将可用性指向有效性(Effectiveness)、效率(Efficiency)和用户主观满意度(Satisfaction)三个维度。而SAT在线学习系统数据可视化可用性调查主要评价SAT在线学习系统的学习资源和学习分析反馈是否易用、好用、令用户满意等。本可用性调查以用户访谈为研究方法,主要涉及三个方面:①访谈对象的基本信息;②访谈对象使用SAT在线学习系统的情况;③访谈对象对SAT在线学习系统数据可视化五项评价维度的主观感受。根据顾小清等(2010)对可用性的研究发现,完成一次可用性测试需要8-16人。因此,本研究选择SAT在线学习系统用户、美工和测试等16名人员分三组作为研究对象。用户组是由使用SAT在线学习系统培训机构中8名高中生组成,这些学生均连续使用6个月左右的SAT在线学习系统;美工组由4名具有多年经验的前端工程师组成;测试组由4名具有多年测试开发经验的测试工程师组成。美工组认为,无论是学习资源的呈现,还是伴随用户在线学习情况变化的学习仪表盘,形式新颖,简洁明了,突出重点;测试组认为,与传统的反馈性弱的在线学习平台相比,SAT在线学习平台将学习行为“足迹”进行分析形成仪表盘,能够有效提高用户与界面的交互效率。访谈结果表明,用户对SAT在线学习平台的理解力、视觉点缀、设计与美学和记忆性四个维度较为满意。在理解力方面,无论是学习资源的传递,还是个性化的仪表盘反馈信息,基本上都能无歧义地接受与理解。在视觉点缀方面,如选择题,当用户点击排除后,该选项变灰的方式符合用户平时的做题习惯。在设计与美学方面,色彩搭配和版面设计基本上符合用户审美。在可记忆性方面,在线学习者基本上都在使用生词本记忆单词,对此较为认可。而在视觉隐喻方面,由于在学习仪表盘呈现中,学习者只能看到自身学习情况的变化,并不能看到自己成绩在整个班级中的排名(Rank功能),这也是SAT在线学习系统不足之处。

四、总结与展望

数据可视化的关键是将抽象的数据以直观的方式表示出来,让用户有效地理解其中蕴含的特征和意义。在线学习系统数据可视化,利用学习者视觉通道较高的感知能力,提升学习者识别、加工学习资源和学习反馈的效率。本文选取了SAT在线学习平台,对在线学习系统数据可视化评价与设计原则进行分析,基于数据可视化的视角,从学习资源和学习仪表盘两方面,分析SAT在线学习平台可视化的评价标准与设计原则,提出了以用户为导向的在线学习系统数据可视化的设计原则,具有一定的借鉴意义。本研究提出的在线学习系统数据可视化评价标准框架,共五个大类,十个二级指标及相关观测点。该评价标准对特定的在线学习系统数据可视化适用,这些系统具有完备的在线学习支持和反馈功能模块,为用户提供学习资源,并对学习者提供个性化的学习反馈,如可汗学院、TUT Circle、测测SAT和快乐学等在具体数据可视化评价实施过程中,根据实际情况对框架进行完善和补充,建议采用李克特(Likert)量表或5级评分标准计算被试对各项陈述的态度强弱,并通过专家评判,采用层次分析法确定相关权重。对在线学习系统数据可视化评价标准进一步体系化、系统化及验证与推广是下一阶段的研究工作。

[参考文献]

曹晓明,朱勇. 2014. 学习分析视角下的个性化学习平台研究[J]. 开放教育研究(5):67-74.

陈敏,余胜泉,杨现民等. 2011. 泛在学习的内容个性化推荐模型设计[J]. 现代教育技术(6):13-18.

陈仕品,张剑平. 2010. 适应性学习支持系统的学生模型研究[J]. 中国电化教育(5):112-117.

陈燕燕. 2012. 知识可视化中视觉隐喻及其思维方法[J]. 现代教育技术(6):16-19.

郭颖,朱东华,汪雪峰. 2011. 科学技术可视化[J]. 科学与科学技术管理(12):6-44.

顧小清,顾凤佳. 2010. 微型移动学习的可用性设计[J]. 电化教育研究(2):52-57.

顾小清,舒杭. 2016. 信息技术的作用发生了吗——用学习分析技术刻画学习行为印记[J]. 现代远程教育研究(5):10-19.

洪文学,王金甲. 2010. 可视化和可视化分析学[J]. 燕山大学学报(2):95-99.

胡艺龄,顾小清,赵春. 2014. 在线学习行为分析建模及挖掘[J]. 开放教育研究,20(2):102-110.

李志刚,朱志军. 2012. 大数据:大价值、大机遇、大变革[M]. 北京:电子工业出版社.

刘宇,解月光. 2006. 动态学生模型与智能支持服务研究[J]. 中国电化教育(10):94-98.

彭文辉,杨宗凯,黄克斌. 2006. 网络学习行为分析及其模型研究[J]. 中国电化教育(10):31-35.

任长松. 2007. 美国大学入学考试SAT深度剖析[J]. 教育理论与实践,27(7):27-32.

宋春晖. 2005. 网页设计中的美学应用分析[J]. 海南师范学院学报(自然科学版),18(1):46-49.

魏刃佳,丁亦喆,张莉等. 2014. 在线学习系统中情感识别模块的设计与实现[J]. 现代教育技术(3):115-122

吴洪艳. 2015. 智慧学习视角下个性化在线学习系统设计与应用[J]. 中国电化教育(6):127-131.

翟东海,鱼江,高飞等. 2014. 最大距离法选取初始簇中心的K-means文本聚类算法的研究[J]. 计算机应用研究,31(3):713-719.

张金磊,张宝辉,刘永贵. 2013. 数据可视化技术在教学中的应用探究[J]. 现代远程教育研究(6):98-111.

张振虹,刘文,韩智. 2014. 学习仪表盘:大数据时代的新型学习支持工具[J]. 现代远程教育研究(3):100-107.

赵国庆,黄荣怀,陆志坚. 2005. 知识可视化的理论与方法[J]. 开放教育研究,11(1):23-27.

郑庆思,杨现民,余胜泉. 2013. 泛在学习环境下学习资源的聚合研究[J]. 现代教育技术(12):79-84.

祝智庭,沈德梅. 2013. 学习分析学:智慧教育的科学力量[J]. 电化教育研究(5):5-12.

Doug, D., & Matthew, S. 2010. Visual explanations. Proceedings of the 8th International Symposium on Non-Photorealistic Animation and Rendering [NPAR ’10], 1-6.

Few, S. 2004. Show Me the Numbers: Designing Tables and Graphs to Enlighten. Burlingame: Analytics Press.

Friedman, V. 2007-08-02. Data Visualization: Modern Approaches[EB/OL]. [2013-04-31]. http://www.smashingmagazine.com/2007/08/02/data-visualization-modern-approaches/

Kim, J., Jo, H., & Park, Y. 2016. Effects of learning analytics dashboard: analyzing the relations among dashboard utilization, satisfaction, and learning achievement. Asia Pacific Education Review, 17(1): 13-24.

Leitte, H., Wiebel, A., & Scheuermann, G., et al. 2007. Multifield visualization using local statistical complexity. IEEE Transactions on Visualization and Computer Graphics, 13 (6): 1384-1391.

Meyer, E. K. 1997. Designing Infographics. Indianapolis: New Riders Publishing.

Ramly, N. N., Ismail, A. Z., & Aziz, M. H., et al. 2011. Operations dashboard:comparative study. International Conference on Graphic and Image Processing, (9): 82-85.

Ramly N. N., Nor F. M., Ahmad, N. H., & Aziz M. H. 2012. Comparative Analysis on Data Visualization for Operations Dashboard. International Journal of Information and Education Technology, 2(4): 287-290.

Steele, J., & Lliinsky, N. 2010. Beautiful Visualization. Sebastopol: O’Reilly Media.

Smets, N. J. J. M., Streefkerk , J. W., & Neerincx, M. A. 2010. Commanders Dashboard: overview of tactical changes to improve situated decision making in the field. Proceedings of the 28th Annual European Conference on Cognitive Ergonomics, (10): 193-200.

Vygotsky, L. S. 1978. Mind in Society: Development of Higher Psychological Processes. Harvard: Harvard University Press.

收稿日期:2017-03-15

定稿日期:2017-05-31

作者简介:杨兵,博士,教授,硕士生导师;卢国庆,硕士研究生;曹树真(通讯作者),博士,副教授,硕士生导师。湖北大学教育学院(430062)。

Tiong-Thye Goh,博士,副教授,博士生导师,惠灵顿维多利亚大学信息管理系(6011)。

责任编辑 韩世梅

---
三生教育网教育网新闻

  小学阅读 初中阅读 高中阅读 教育教学 教育资讯 综合阅读


  小学阅读 初中阅读 高中阅读 教育教学 教育资讯 综合阅读

三生教育网是一家专业的中小学生教育网,提升中小学阅读理解能力,最新发布中小学作文,教育资讯,教学研究和综合阅读。